海康工業相機MV-CA013-20GM噴墨字符缺陷檢測案例

噴墨字符打印在工業生產中是非常常見的一種打印工藝，由于油墨的質量和噴印表面的影響，打印的內容會存在一定的瑕疵，本案例就是分享如何解決這類瑕疵的檢測，這次是用到海康智能工業相機。

項目需求：

某集成商有一個牛奶包裝生產日期打印質量的檢測需求，內容為檢測牛奶包裝上的生產日期打印質量，判斷是否有打花，缺碼，污點的情況，設備根據檢測結果，將打印質量不良的包裝剔除。

檢測對象：

方案設計：

視覺方案

成像方案部分：

海康相機：MV-CA013-20GM               海康鏡頭：MVL-HF3528M-6MP

光源：MV-LLES-175-30-W            視場范圍：60 mm  *  40mm

工作距離：350mm                       光源距離：180mm

需求難點：

作為檢查對象，字符信息實時在變化，位置也不固定，有一定的波動，包裝個體之間的差異導致字符的背景也有明暗變化的情況，因此使用傳統的缺陷檢測算法很難實現

算法實現：

考慮到項目的難點，利用深度學習缺陷檢測的方式搭建算法方案，首先通過特征匹配和仿射變換定位字符位置，并將原圖裁剪成260*160大小的圖片。流程如下：

圖像預處理流程

                                                                                      原圖                                                  裁剪后的圖片

通過圖像預處理，將原始圖像裁剪成260*160分辨率的小圖，一方面可以使得樣本的的背景更加簡單，較少干擾。同時，低分辨率的樣本可以較少算法對硬件的依賴。提升檢測效率。模型訓練時，選擇300張NG的樣本和300張OK的樣本，保證NG的樣本中包含所有缺陷的紋理。具體模型訓練的過程略。得到缺陷檢測的模型后，進行測試，測試的算法流程如下：

缺陷檢測流程

通過測試發現，OK的樣本和NG的樣本在概率圖的呈現形式上有明顯的差異，通過blob工具，開啟面積和閾值使能，過濾干擾項，達到字符缺陷檢測的效果。測試樣本集中，OK的樣本為800張，NG的樣本為400張，OK的全部識別正常，NG的誤識別為4張，綜合識別率為99.7%。

總結：

在實際的應用環節發現，終端客戶對字符缺陷的需求要大于字符識別的需求，實際的噴碼過程中，噴碼錯誤的可能性非常低，往往會有設備異常導致的噴碼缺陷，這類缺陷是客戶需要剔除的，深度學習缺陷檢測技術剛好可以應對這類復雜的缺陷檢測需求。

蘇州遠景達是海康威視旗下的海康機器人HikRobot海康智能讀碼器/工業相機經銷商，供應海康掃描槍ID2000、ID3000、ID5000、ID6000等系列全部型號，海康威視讀碼器同時為 為電子、物流、FPD顯示屏、半導體、汽車制造等領域提供專業機器視覺解決方案，海康工業讀碼器助力用戶快速準確實現工業自動化。

歡迎轉載，本文標題：海康工業相機MV-CA013-20GM噴墨字符缺陷檢測案例 ，轉載請注明原文網址：http://m.caizaodi.cn/xingy/2685.html